用Python编写WordCount程序任务

 

---

用Python编写WordCount程序任务

程序	WordCount
输入	一个包含大量单词的文本文件
输出	文件中每个单词及其出现次数（频数），并按照单词字母顺序排序，每个单词和其频数占一行，单词和频数之间有间隔

1. 编写map函数，reduce函数
2. 将其权限作出相应修改
3. 本机上测试运行代码
4. 放到HDFS上运行
5. 下载并上传文件到hdfs上
6. 用Hadoop Streaming命令提交任务

   #!/usr/bin/env python2
   import sys 
   for line in sys.stdin:
       line = line.strip()
       words = line.split()
       for word in words:
           print '%s	%s' % (word,1)

   #!/usr/bin/env python2
   from operator import itemgetter
   import sys
   
   current_word = None
   current_count= 0
   word= None
   
   for line in sys.stdin:
       line = line.strip()
       word,count=line.split(' /t',1)
       try:
           count =int (count)
       except ValueError:
           continue
       if current_word ==word:
          current_count += count
       else:
           if current_word:
              print  (current_word,cureent_count)
           current_count=count
           current_word =word
   if current_word==word:
      print (current_word,current_count)

   设置权限

   chomd a+x mapper.py
   chomd a+x reducer.py

编写脚本

上传到hdfs